JPH07174616A

JPH07174616A - 検査装置

Info

Publication number: JPH07174616A
Application number: JP5318167A
Authority: JP
Inventors: Hiroyuki Yagi; 博行八木; Jun Inose; 潤猪瀬
Original assignee: Ono Sokki Co Ltd
Current assignee: Ono Sokki Co Ltd
Priority date: 1993-12-17
Filing date: 1993-12-17
Publication date: 1995-07-14
Anticipated expiration: 2017-11-05
Also published as: JP3340541B2

Abstract

(57)【要約】【目的】本発明は、主として小型モータ（数Ｗ〜２００
Ｗ程度）等、比較的小型の回転体の異常音・振動検査に
好適な検査装置に関し、従来と比べ、異常の有無をより
的確に検査する。【構成】コンパレータ、クレストファクタ，クルトシ
ス、オールオーバ値のうちの少なくとも１つと、ニュー
ラルネットワークと、ファジィ演算とを組合せた。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、被検体の振動もしくは
被検体から発せられた音に基づいて被検体の異常の有無
を検査する検査装置に関し、主として小型モータ（数Ｗ
〜２００Ｗ程度）等、比較的小型の回転体の異常音・振
動検査に好適な検査装置に関する。

【０００２】

【従来の技術】自動車用電装モータおよび家電製品用モ
ータ等は、エンドユーザの身近で使用されるものである
ため、異音・振動に関して厳しい管理が要求され始めて
いる。従来、この種の検査は、熟練官能者の官能試験に
よって行われることがほとんどであった。近年では、Ｆ
ＦＴアナライザとコンパレータ機能との組合わせで特定
周波数部分を監視している検査装置もあるが、異常原因
が多岐に亘る場合、その原因毎に特定周波数を定め、レ
ベル調整しなければならないことや、コンパレータ・レ
ベルを僅かでも越えるとＮＧと判定してしまうなど、人
間の官能試験に合致させるのは困難であった。

【０００３】また、モータ異常の原因で比較的多いもの
が、切粉、塵埃などの混入による突発音異常である。突
発音異常は、起動時のみに出ることが多いなど、定常的
に起こるものではないため、従来方法では検出が困難で
あった。さらに、ギアード・モータでは、正転、逆転で
音、振動のレベルが大きく違う場合が多く、単一のコン
パレータのレベル調整では、上手く判定できないことが
多い。

【０００４】

【発明が解決しようとする課題】本発明は、上記事情に
鑑み、従来と比べ、異常の有無をより的確に検査するこ
とのできる検査装置を提供することを目的とする。

【０００５】

【課題を解決するための手段】上記目的を達成する本発
明の検査装置は、被検体の振動もしくは被検体から発せ
られた音に基づいて、被検体の異常の有無を検査する検
査装置において、（１）被検体の振動もしくは被検体から発せられた音を
検出することにより検出信号を得るセンサ（２）検出信号を包絡線検波することにより検出信号の
包絡線を表わす包絡線信号を生成する包絡線検波部（３）検出信号、及び／又は、包絡線信号をフーリエ変
換することによりフーリエ変換信号を生成するフーリエ
変換部（４）（ａ）フーリエ変換信号を各周波数毎に定められ
た各所定のしきい値と比較することにより被検体の異常
の有無の確信度を求める第１演算手段、検出信号、及び
／又は、包絡線信号のクレストファクタ、及び／又は、
クルトシスを求め、そのクレストファクタ、及び／又
は、クルトシスに基づいて、被検体の異常の有無の確信
度を求める第２演算手段、及びフーリエ変換信号のオー
バオール値を求め、そのオーバオール値に基づいて、被
検体の異常の有無の確信度を求める第３演算手段からな
る群の中から選択された少なくとも１つからなる演算部（ｂ）フーリエ変換信号もしくはフーリエ変換信号に基
づいて生成されたフーリエ変換信号の特徴を表わす特徴
ベクトル信号を入力し被検体の異常の有無の確信度を求
めるニューラルネットワーク（ｃ）上記演算部および上記ニューラルネットワーク双
方で求められた確信度に基づくファジィ演算により被検
体の異常の有無を判定するファジィ判定部の（ａ）〜（ｃ）を有する判定処理部を備えたことを特
徴とするものである。

【０００６】

【作用】本発明は、（ｉ）ニューラルネットワークによる判定とコンパレー
タによる判定との組合せ、（ｉｉ）ニューラルネットワークによる判定と、クレス
トファクタ（波高率）、及び／又は、クレトシス（尖頭
度）による判定との組合せ（ｉｉｉ）ニューラルネットワークによる判定とオーバ
ーオール値による判定との組合せという３つの組合せのうちの少なくとも１つと、さらに
それらを総合してファジィ演算による総合判定を行うフ
ァジィ判定部とを組合せたことを特徴とする。

【０００７】以下、上記（ｉ）〜（ｉｉｉ）の各組合せ
について説明する。（ニューラルネットワークとコンパレータとの組合せ）
ニューラルネットワークは、正常／異常の相対レベルが
不明の時、正常／異常ワークの学習によって、そのレベ
ルの自動学習ができるという特長がある。また、例えば
モータの回転次数とその高調波とのバランスや、特定周
波数帯域の部分的なパターンなどの識別などは、コンパ
レータでは難しいが、ニューラルネットワークでは容易
に判別可能となる。

【０００８】しかし、ニューラルネットワークでは、波
形パターン全体を学習・認識するため、特定周波数のレ
ベルの差異のみを判定するのには向いていない。ギア噛
み合い振動のように、特定周波数のレベルの差異が問題
となる場合には、ニューラルネットワークだけでは、判
別不能のものが有り得るので、コンパレータと適宜組合
わせて使用することにより、より確実に正常／異常を判
別するシステム構成が可能となる。

【０００９】（ニューラルネットワークとクレスファク
タ，クルトシスとの組合せ）時間軸上のｉ番目の測定値
をＸ_i 、測定値中の最大値をＸ_max 、測定値の実効値を
Ｘ_rms 、測定総数をＮとしたとき、クレストファクタＣ
Ｒは、下記式

【００１０】

【数１】

【００１１】により定義される。また、時間軸上のｉ番
目の測定値をＸ_i ，測定値の平均値をＸ、測定値の標準
偏差をσ、測定総数をＮとしたとき、クルトシスμ⁴
は、下記式

【００１２】

【数２】

【００１３】で求められる。ニューラルネットワーク、
コンパレータ共、周波数領域のデータに関する判別であ
る。周波数領域の波形データは、信号安定化のため、加
算平均するが、ゴミ混入などによる突発音の判定は、測
定期間中、一、二度しか出ないことがあり、加算平均で
は埋もれてしまう場合が多い。加算平均しない時間領域
のデータからクルトシス、クレストファクタを測定・判
別することにより、ゴミ混入などによる突発的な異常・
振動にも対処できる。

【００１４】（ニューラルネットワークとオーバーオー
ル値との組合せ）時間軸上の測定値をＸ_i 、測定総数を
Ｎとすると、オーバーオール値ＯＡは、下記式

【００１５】

【数３】

【００１６】で求められる。上述したように、ニューラ
ルネットワークでは、波形パターンの全体を学習・認識
する。その際、多くは、前処理によって規格化（最大パ
ワーを持つ周波数のパワーを１として規格化、あるい
は、オーバーオール値による規格化）された波形パター
ンとして入力される。したがって、パワーの相違には、
ニューラルネットワークの判別機能は鈍感であると言え
る。学習されたものとパワーが大きく異なることをもっ
て異常と判断できるタイプの異常は、規格化を行うこと
によって識別不能となる場合が多いが、このような場合
に、オーバーオール値のしきい値を設定しておき、オー
バーオール値としきい値との比較判別をすることによっ
て、パワーが異なることによる異常についても異常であ
るという判別が可能になる。

【００１７】（上記のいずれかとファジィ演算との組合
せ）上述した本発明では、上述した各項目（ニューラル
ネットワーク、コンパレータ、クレストファクタ，クル
トシス、およびオーバーオール値）の判定結果は、確信
度として求められる。本発明においては、この確信度の
具体的な演算手法は任意であるが、正常と考えられる程
度、異常と考えられる程度を反映するように定められ
る。

【００１８】本発明は、上述した組合せの少なくとも１
つとファジィ演算を組合せたものであり、各項目毎に演
算された確信度をファジィ演算により総合判定すること
によって、より確実な判定が実現できる。すなわち、各
項目毎の確信度によって、特定判定項目の僅かの設定レ
ベルオーバによる異常判定という不具合さをなくすこと
ができる。また、個別の各検査ラインに対応した任意の
判定項目の組合せを許すと、より官能検査に近づけたフ
レキシブルな判定が可能となる。

【００１９】

【実施例】以下、本発明の実施例について説明する。図
１は、本発明の検査装置の一実施例のシステムブロック
図、図２は、図１にブロックで示す判定処理部の構成を
示すブロック図である。［本システムの構成」本システムでは、信号入力用に振
動加速度検出器を使用し、それからの信号を増幅器に通
した信号（検出信号）と、更にハイパスフィルタ（数１
００〜１ｋＨｚ程度）および包絡線検波器を通した信号
（包絡線信号）を、一台もしくは複数台のＦＦＴアナラ
イザ（変換器）に入力する。各々パワースペクトルに変
換された２チャンネルの波形およびパワースペクトルに
変換する前の増幅器から出力された検出信号、および包
絡線検波器から出力された包絡線信号を判定処理部に転
送する。この判定処理部は、本実施例ではパーソナルコ
ンピュータが使用されている。

【００２０】パーソナル・コンピュータは、２チャンネ
ルのパワースペクトルを波形として識別する学習・認識
機能と、パワースペクトルの各周波数毎にコンパレート
を行うコンパレータ機能と、２チャンネルのオーバーオ
ール値判定機能と、時間領域データからのクレストファ
クタ、クルトシス判定機能とを具備するものである。各
周波数のレベル・コンパレータとオーバーオール値は、
判定の重みが異なるので、独立して判定できるようにす
る。

【００２１】学習・認識機能は、ニューラルネットワー
クによるパターン学習・認識機能を具備する。ニューラ
ルネットワークの識別機能と、コンパレータによる判別
機能は、異なった条件設定による複数の処理ができる構
成となっている。各認識、判定部は、それぞれ、独立の
正常／異常判定、確信度（１０段階）を出力し、それぞ
れの結果を総合判定部で、ファジィ論理和により総合判
定する構成とする。

【００２２】各認識、判定部は、それぞれ、正転、逆転
側個別の判定条件（ニューラルネットワークの学習内
容、コンパレータ判定レベル等）を持ち、判定時に外部
信号として、正転、逆転信号を入力することにより、正
転逆転側個別の判定条件を選択して、判定するよう構成
されている。対象回転機器（図１の場合のモータ）の軸
受け付近に振動加速度検出器を取付け、振動加速度信
号、および、包絡線検波信号をＦＦＴアナライザに入力
する。両信号の加算処理、もしくは、ピーク処理された
周波数分析波形を一つの波形パターンとして、判定処理
部に取り込む。判定処理部では、先ずそのデータ前処理
部（図２参照）において、波形パターンに、平滑化、正
規化、圧縮などの前処理を必要に応じて施した後、ニュ
ーラルネットワークを用いて波形認識をさせ、正常／異
常判定と、確信度を演算する。ニューラルネットワーク
による判定の確信度の演算については後述する。

【００２３】また、上記２つの信号の各増幅器から出力
された検出信号と包絡線検波器から出力された包絡線信
号の各オーバーオール値を求めるとともに、包絡線信号
からクレスト・ファクタ、クルトシス値を演算し、それ
ぞれの異常判定値とのレベル判定により、正常／異常判
定を個別に行う。コンパレータによる判定部では、例え
ばギアの噛み合い音を主として判別させる場合などに
は、特定周波数のレベル比較機能が重要となる場合があ
るため、両信号の周波数分析波形の任意の周波数に対し
てのレベル比較機能をも有している。

【００２４】各値のレベル判定方法と確信度演算方法
は、下記の通りである。説明では省略しているが、正
転、逆転では、各レベルは、独立設定とする。測定値を
Ｘ、異常判定レベルをＮＧｌｅｖｅｌ、確信度演算範囲
設定値をＮＧｍａｘ、確信度をＣＦとすると、もし、Ｘ
がＮＧｌｅｖｅｌより等しいか大きければＮＧとする。

【００２５】もし、ＸがＮＧｌｅｖｅｌより小さければ
ＯＫとする。確信度演算は、下記式の通りである。ＣＦ＝（Ｘ−ＮＧｌｅｖｅｌ）／（ＮＧｌｅｖｅｌ＋ＮＧｍａｘ）＊１０．０ ……（４）すなわち、異常の場合は、確信度ＣＦ値が＋、正常の場
合は、ＣＦ値が−の値をとるものとする。また確信度演
算範囲設定値は、経験的な値を予め設定しておくものと
する。

【００２６】次に、ニューラルネットワークによる認識
結果と各値のレベル比較結果とを、ファジィ論理和によ
り総合判定する。次に各認識・判定部における演算につ
いて説明する。（ニューラルネットワークによる演算）図３は、階層構
造ニューラルネットワークの概略構成図である。

【００２７】ニューラルネットワークの出力層の２つの
ニューロンが、正常（ＯＫ）と異常（ＮＧ）とにそれぞ
れ対応しているものとする。入力側に測定データが呈示
された時、予め設定されたしきい値を越える出力ニュー
ロンがただ一つ、もしくは、複数のニューロンが同じ正
常もしくは異常判定に対応する場合は、その正常／異常
判定が確信度１０で出力される。

【００２８】しきい値を越えるニューロンが１つも無い
場合には、不明、すなわち確信度０で出力するものとす
る。しきい値を越えるニューロンが２つ以上で、発火強
度の上位２つのニューロンがそれぞれ異なる判定（一方
が正常判定、もう一方が異常判定）に対応する場合に
は、下記演算により、確信度を求める。

【００２９】異常対応のニューロンの出力を、ＮＮ１、
正常のニューロンの出力をＮＮ２、ニューロンの出力差
の最大値をＤｍａｘ、確信度をＣＦとすると、ＣＦ＝（ＮＮ１−ＮＮ２）／Ｄｍａｘ＊１０．０ ……（５）すなわち、異常の場合は、確信度ＣＦ値が＋、正常の場
合は、ＣＦ値が−の値をとるものとする。したがって、
ＣＦ値のとり得る範囲は−１０．０から＋１０．０であ
る。また、Ｄｍａｘ値は、経験的な値を予め設定してお
くものとする。

【００３０】（コンパレータ演算）各周波数毎のパワー
の測定値をＸｆ、各周波数毎のパワーレベル設定値を
（Ｘｆ−ＮＧｌｅｖｅｌ）が最大値となる周波数のパワ
ーの測定値をＸｆｎ、確信度演算範囲設定値をＮＧｍａ
ｘ、確信度をＣＦとすると、確信度演算は、下記式で求
められる。

【００３１】ＣＦ＝（Ｘｆｎ−ＮＧｌｅｖｅｌ）／ＮＧｍａｘ＊１０．０ ……（６）すなわち、ＮＧの場合は、確信度ＣＦ値が＋、ＯＫの場
合は、ＣＦ値が−の値をとるものとする。またＮＧｍａ
ｘ値は、経験的な値を予め設定しておくものとする。（クレストファクタ，クルトシス，オーバオール値演
算）クレストファクタＣＲ，クルトシスμ⁴ ，オーバオ
ール値ＯＡは、前述の、それぞれ（１），（２），
（３）式により求められる。それらクレストファクタＣ
Ｒ，クルトシスμ⁴ ，オーバオール値ＯＡに基づく確信
度は、（１）〜（３）式により求められた値を測定値Ｘ
として（４）式により求められる。

【００３２】（ファジィ論理和演算方法）図４，図５
は、それぞれ前件部／後件部メンバシップ関数の一例、
後件部メンバシップ関数の他の例を示した図である。各
メンバシップ関数を、例えば図３のように設定する。後
件部のメンバシップ関数は、各項目毎に、独立に設定で
きるものとする。

【００３３】例えばニューラルネットの判定確信度（異
常確信度）をＮＮ、コンパレータの判定確信度をＣＭＰ
とし、下記のようなルール演算を行う。判定項目が増え
た場合には、（１）〜（７）と同様なルールを増やすこ
とによって演算する。各ルールにより演算された出力に
ファジィオア演算を行い、非ファジィ出力を得る。採用
するファジィ演算は、ＭＡＸ−ＭＩＮ法，ＭＡＸ−ＤＯ
Ｔ法いずれでも可とする。

【００３４】（１）もし、ＮＮのＮＧ確信度がＮＢな
ら、総合確信度もＮＢとする。（２）もし、ＮＮのＮＧ確信度がＮＭなら、総合確信度
もＮＭとする。（３）もし、ＮＮのＮＧ確信度がＮＳなら、総合確信度
もＮＳとする。（４）もし、ＮＮのＮＧ確信度がＺＯなら、総合確信度
もＺＯとする。（５）もし、ＮＮのＮＧ確信度がＰＳなら、総合確信度
もＰＳとする。

【００３５】（６）もし、ＮＮのＮＧ確信度がＰＭな
ら、総合確信度もＰＭとする。（７）もし、ＮＮのＮＧ確信度がＰＢなら、総合確信度
もＰＢとする。（８）もし、ＣＭＰのＮＧ確信度がＮＢなら、総合確信
度もＮＢとする。（９）もし、ＣＭＰのＮＧ確信度がＮＭなら、総合確信
度もＮＭとする。（１０）もし、ＣＭＰのＮＧ確信度がＮＳなら、総合確
信度もＮＳとする。

【００３６】（１１）もし、ＣＭＰのＮＧ確信度がＺＯ
なら、総合確信度もＺＯとする。（１２）もし、ＣＭＰのＮＧ確信度がＰＳなら、総合確
信度もＰＳとする。（１３）もし、ＣＭＰのＮＧ確信度がＰＭなら、総合確
信度もＰＭとする。（１４）もし、ＣＭＰのＮＧ確信度がＰＢなら、総合確
信度もＰＢとする。ここでは簡単のため、上述の２つのルール（１）、（１
０）からだけなる場合を考えると、下記のようにファジ
ィ論理和が出力される。前件部（条件部）／後件部（結
論部）のメンバシップ関数として、図３のような形状の
ものが採用される。条件部のメンバシップ関数は、各項
目毎（ここでは、ニューラルネットワークとコンパレー
タ）に、各々独立な関数を用いることができる。後件部
のメンバシップ関数は、図４のような形状のものでもよ
く、あるいは、図５に示すように分布を持たないシング
ルトンでもよい。ここでは、ＭＡＸ−ＭＩＮ法を用いて
説明する。

【００３７】入力された異常確信度を、それぞれ、ＮＮ
（ニューラルネットワークにより演算された異常確信
度）、ＣＭＰ（コンパレータにより演算された異常確信
度）とする。ルール（１）から図６のように前件部のメ
ンバシップ関数（ＮＢ）と適合する高さαが求められ、
その高さ（適合度）αにより後件部のメンバシップ関数
（ＮＢ）を頭切りする。

【００３８】ルール（１０）から、同様に、前件部のメ
ンバシップ関数（ＮＳ）と適合する高さβが求められ、
その高さ（適合度）βにより後件部のメンバシップ関数
（ＮＳ）を頭切りする。上記、各後件部の頭切りされた
メンバシップ関数の最大値合成（オア集合）を、図８の
ように求め、これを関数ｆ（ｘ）とする。ｆ（ｘ）の重
心演算を下記の（７）式のように行い、総合確信度ＣＦ
を求める。

【００３９】

【数４】

【００４０】上記実施例のシステムによれば、以下の効
果を有する。（１）振動検出信号、と包絡線信号との２チャンネルの
パワースペクトルを一つのパターンとして認識させるこ
とにより、コトコト的に聞こえる断続音、ノイズ的に聞
こえる連続音に対する判定が可能になる。断続異音と連
続異音は、周波数が異なるため、それぞれの解析に適し
た周波数レンジを持つＦＦＴアナライザを２台使用し、
２チャンネルのパワースペクトルのパターンとして認識
することにより、両異音の認識が可能になる。例えば、
連続音では、振動得信号の数ｋＨｚのパワーに特徴ある
パターンを有することが多く、断続音は、包絡線信号の
低周波部分の波形や高周波部分の波形に特徴がでること
が多い。

【００４１】（２）上記機能は、波形をパターンとして
とらえるため、特定の周波数の微小差異に対しては比較
的鈍感である。また、異常のサンプルが少ない場合に
は、学習が収束できず、パターン認識だけでは不十分な
場合が考えられる。一方で、ギア噛み合い異常等、特定
のラインのレベルを監視することが重要な場合もある。
上記実施例では、パワースペクトルのコンパレータ機能
を補助的に具備しているため、特定の周波数のレベル比
較による異常検出も可能である。

【００４２】（３）オーバーオール値の判定機能も具備
しているため、学習したワークと音・振動レベルが極端
に相違する場合にも、オーバーオール値の判定によって
より確実に異常判別が可能となる。（４）ゴミ混入等による突発音異常の場合には、加算平
均したスペクトル波形を対象とする（１）、（２）項の
機能では検出が困難なため、突発音異常に関しては、ク
レストファクタやクルトシス（４次モーメント）の値を
判定に入れることで異常判定を行えるようなる。

【００４３】（５）上記各機能の判定結果を重み付けし
たファジィ推論を用いた論理和演算によって、総合判定
することで、製品の微妙な異常判定についても、より官
能検査に近づけることができる。例えば、コンパレータ
もしくは、各項目の値が僅かにオーバーしただけでＮＧ
と判定しないで、他のＮＧ要因とのバランスでＮＧ判定
ができるようになる。

【００４４】（６）正転、逆転各々の学習内容、判定条
件を持つことにより、回転方向別に、詳細な設定及び判
定が可能となる。

【００４５】

【発明の効果】以上説明したように、本発明の検査装置
によれば、被検査体の異常の有無をより的確に検査する
ことができる。

【図面の簡単な説明】

【図１】本発明の検査装置の一実施例のシステムブロッ
ク図である。

【図２】図１にブロックで示す判定処理部の構成を示す
ブロック図である。

【図３】階層構造ニューラルネットワークの概略構成図
である。

【図４】前件部／後件部メンジップ関数例を示した図で
ある。

【図５】後件部メンバシップ関数の他の例を示した図で
ある。

【図６】前件部から後件部に移行する際の演算方法を示
す図である。

【図７】前件部から後件部に移行する際の演算方法を示
す図である。

【図８】総合確信度の求め方を示す図である。

Claims

【特許請求の範囲】

【請求項１】被検体の振動もしくは被検体から発せら
れた音に基づいて、該被検体の異常の有無を検査する検
査装置において、被検体の振動もしくは被検体から発せられた音を検出す
ることにより検出信号を得るセンサ、該検出信号を包絡線検波することにより該検出信号の包
絡線を表わす包絡線信号を生成する包絡線検波部、前記検出信号、及び／又は、前記包絡線信号をフーリエ
変換することによりフーリエ変換信号を生成するフーリ
エ変換部、および前記フーリエ変換信号を各周波数毎に
定められた各所定のしきい値と比較することにより前記
被検体の異常の有無の確信度を求める第１演算手段、前
記検出信号、及び／又は、前記包絡線信号のクレストフ
ァクタ、及び／又は、クルトシスを求め、該クレストフ
ァクタ、及び／又は、クルトシスに基づいて、前記被検
体の異常の有無の確信度を求める第２演算手段、及び前
記フーリエ変換信号のオーバオール値を求め、該オーバ
オール値に基づいて、前記被検体の異常の有無の確信度
を求める第３演算手段からなる群の中から選択された少
なくとも１つからなる演算部と、前記フーリエ変換信号
もしくは該フーリエ変換信号に基づいて生成された該フ
ーリエ変換信号の特徴を表わす特徴ベクトル信号を入力
し前記被検体の異常の有無の確信度を求めるニューラル
ネットワークと、前記演算部および前記ニューラルネッ
トワーク双方で求められた前記確信度に基づくファジィ
演算により前記被検体の異常の有無を判定するファジィ
判定部とを有する判定処理部を備えたことを特徴とする
検査装置。